Публикации по теме 'keras'
Основные методы для систематического улучшения производительности модели
Машинное обучение стало незаменимым инструментом во многих отраслях, от финансов до здравоохранения и розничной торговли. Однако по мере увеличения сложности данных и используемых моделей возрастает и проблема достижения оптимальной производительности. К счастью, существует множество важных методов, которые можно использовать для систематического повышения производительности модели. В этой статье мы рассмотрим некоторые из этих методов, от настройки гиперпараметров до обучения TPU, и..
Решение двух входов и ворот с использованием нейронных сетей
Решение двух входов и ворот с использованием нейронных сетей
(любезно предоставлено ChatGPT)
Проблема вентиля И — классический пример задачи бинарной классификации. Вот пример того, как решить проблему с двумя входами И с помощью нейронной сети в Python и Keras:
```python import numpy as np from keras.models import Sequential from keras.layers import Dense
# Определяем пары ввода-вывода для вентиля И X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) у = np.массив ([[0], [0], [0],..
Что такое размер пакета в нейронной сети ?
Что такое размер партии, эпоха и итерации в нейронной сети?
Размер пакета определяет количество образцов, которые будут распространяться по сети.
допустим, у вас есть 1050 обучающих выборок, и вы хотите установить batch_size равным 100. Алгоритм берет первые 100 выборок (с 1-й по 100-ю) из набора обучающих данных и обучает сеть. Затем он берет вторые 100 выборок (со 101-й по 200-ю) и снова обучает сеть. Мы можем продолжать выполнять эту процедуру, пока не распространим все..
Побайтовое сравнение версий TensorFlow 1 и 2
В последние годы искусственный интеллект и машинное обучение значительно продвинулись вперед. От классических алгоритмов машинного обучения до больших моделей в таких областях, как компьютерное зрение и понимание естественного языка, приложения ИИ стали более сложными и легкодоступными. Большая часть этого успеха связана с достижениями в инфраструктурах машинного обучения, таких как TensorFlow и PyTorch, которые служат строительными блоками для расширения границ возможностей ИИ.
Эти..
Чувство моды с Керасом
Новички из 2-й когорты AI Saturday были разделены на 7 команд. Цель состоит в том, чтобы использовать любую структуру по нашему выбору для решения проблемы классификации, работающей либо с набором данных MNIST , либо с набором данных Fashion MNIST .
Моя команда «6th Sense + » решила поработать с наборами данных Fashion MNIST , потому что это выглядело более сложным. Прежде чем я расскажу о нашем проекте, давайте немного отвлечемся и поговорим о команде и нашем названии...
Машинное обучение
Машинное обучение, глубокое обучение, искусственный интеллект - как бы вы ни называли эту область, сейчас это самая яркая тенденция в нашей отрасли. Посещая страту мне стало ясно, что:
Некоторые люди, и не только Google, уже начинают заниматься машинным обучением. Через 2–3 года наши клиенты будут использовать нашу платформу для создания решений, включающих модели машинного обучения. Мы должны убедиться, что это сработает для них. Машинное обучение можно применить и в моей области, в..
Прогнозирование цены дома с использованием тензорного потока
Прогнозирование цены дома с использованием тензорного потока
Тензорный поток для искусственного интеллекта
Мы уже прошли долгий путь! В этом блоге я разработаю нейронную сеть с использованием keras (tensor flow API), которая будет предсказывать цену дома. Ранее в моем блоге вы видели Hello World в машинном обучении, которое предсказало отношения между значениями X и Y Ссылка здесь . Они были совершенно произвольными, но они давали вам образец того, как вы можете решать более сложные..
